Analogue Phase Change Computational Memory with High Precision Reads and Energy Efficient Writes

Das Computing stützt sich seit langem auf eine Trennung zwischen dem Ort der Datenspeicherung und dem Ort der Datenverarbeitung. In einem Standardcomputer muss das Gehirn der Maschine Informationen ständig hin und her zwischen dem Speicher und dem Prozessor transportieren – eine Reise, die enorme Mengen an Energie verbraucht und die Leistung bremst. Um diesen Engpass zu überwinden, haben Wissenschaftler einen anderen Ansatz namens In-Memory-Computing erforscht, bei dem der Speicher selbst die Berechnungen durchführt. Diese Methode ist besonders vielversprechend für künstliche Intelligenz, die gewaltige Mengen mathematischer Operationen benötigt, um Muster zu erkennen und Entscheidungen zu treffen. Der ideale Speicher für diese Aufgabe wäre in der Lage, einen kontinuierlichen Wertebereich zu halten, ähnlich wie ein Dimmer statt eines einfachen Ein/Aus-Schalters, was es ihm ermöglichen würde, die komplexen Verbindungen des menschlichen Gehirns nachzuahmen. Es hat sich jedoch als eine formidable Herausforderung erwiesen, ein Gerät zu bauen, das klein genug ist, um Millionen dieser Einheiten zusammenzufassen, während es gleichzeitig präzise genug bleibt, um genau zu rechnen, und effizient genug ist, um ohne Überhitzung zu laufen.

Ein Forschungsteam von IBM Research und dem italienischen Nationalen Forschungsrat hat nun ein neues Design für ein Speichergerät vorgestellt, das diese widersprüchlichen Anforderungen adressiert. Sie konzentrierten sich auf eine Art von Speicher, die als Phase-Change-Memory (Phasenwechselspeicher) bekannt ist und Informationen speichert, indem sie ein spezielles Material zwischen zwei physikalischen Zuständen umschaltet: einem ungeordneten, glasartigen Zustand und einem geordneten, kristallinen Zustand. Durch die sorgfältige Steuerung dessen, wie viel dieses Materials im glasartigen Zustand ist, kann das Gerät verschiedene Ebenen des elektrischen Leitwerts halten und somit effektiv eine Zahl speichern. Das Ziel der Forscher war es, eine Version dieses Speichers zu entwickeln, die sehr wenig Strom benötigt, um neue Informationen zu schreiben, und die mit extremer Präzision gelesen werden kann, während sie gleichzeitig in einen winzigen Raum passt.

Der Kern ihrer Innovation liegt in der physischen Architektur des Geräts. Anstatt der traditionellen vertikalen Form, die in den meisten Speicherchips verwendet wird und an einen Pilz erinnert, entwickelten sie eine Struktur mit einer ultrak dünnen Schicht aus dem Phasenwechselmaterial, die nur etwa 5 Nanometer dick ist. Diese Schicht sitzt zwischen einer unteren Elektrode und einem dielektrischen Abstandshalter, ruht aber entscheidend auf einer noch dünneren, nicht-isolierenden Projektionsschicht aus amorphem Kohlenstoff. Diese Projektionsschicht fungiert als kontinuierliche Brücke, die die gesamte Breite des Geräts überspannt. Wenn die Forscher einen kurzen, intensiven elektrischen Impuls anwenden, um das Material umzuschalten, schmelzen sie einen kleinen kreisförmigen Bereich der Phasenwechselschicht direkt über der unteren Elektrode, wodurch sie in den glasartigen Zustand versetzt wird. Der elektrische Strom fließt dann durch diesen kleinen glasartigen Kreis und die umgebende Projektionsschicht, die in Parallelität zueinander geschaltet sind. Da die Projektionsschicht kontinuierlich und hochleitfähig ist, bestimmt sie das gesamte elektrische Verhalten des Geräts und stellt sicher, dass der Strom niedrig und stabil bleibt.

Diese spezifische Anordnung ermöglicht es dem Gerät, ein Maß an Präzision zu erreichen, das zuvor schwer erreichbar war. Die Forscher demonstrierten, dass sie das Gerät so programmieren konnten, dass es distinkte Leitwerte mit einer Genauigkeit nahe sechs Bits hält, was bedeutet, dass es zuverlässig zwischen 64 verschiedenen Widerstandsstufen unterscheiden kann. In praktischer Hinsache ist diese hohe Präzision entscheidend für die Durchführung der komplexen Matrixberechnungen, die für künstliche Intelligenz erforderlich sind. Darüber hinaus reduziert das Design die benötigte Energie zum Schreiben von Daten drastisch. Das Team maß den Strom, der zum Umschalten des Geräts erforderlich war, und stellte fest, dass er bei nur 90 Mikroampere liegen konnte, ein signifikanter Rückgang gegenüber den Hunderten von Mikroampere, die typischerweise von älteren Designs benötigt werden. Diese Reduktion wird dadurch erreicht, dass die ultradünne Geometrie die durch den elektrischen Strom erzeugte Hitze so eng begrenzt, dass nur das notwendige winzige Volumen des Materials geschmolzen wird, was den Heizprozess unglaublich effizient macht.

Neben Effizienz und Präzision löst das neue Gerät ein großes Problem, das als zeitliche Instabilität bekannt ist. In vielen Speichertechnologien neigt der gespeicherte Wert dazu, im Laufe der Zeit zu driften oder aufgrund von zufälligem elektrischem Rauschen zu fluktuieren, was Fehler in die Berechnungen einführt. Die Forscher fanden heraus, dass ihr Design mit der kontinuierlichen Projektionsschicht diese Fluktuationen signifikant unterdrückt. Sie beobachteten, dass die Drift der gespeicherten Werte im Vergleich zu konventionellen Geräten um den Faktor zwanzig reduziert wurde und das Zufallsrauschen um den Faktor vier gesenkt wurde. Diese Stabilität bedeutet, dass das Gerät seinen programmierten Zustand zuverlässig halten kann, selbst bei erhöhten Temperaturen, wodurch sichergestellt wird, dass die vom Speicher durchgeführten Berechnungen über die Zeit hinweg genau bleiben.

Um zu beweisen, dass diese Einzelgeräte zusammen in einem echten System arbeiten könnten, baute das Team ein kleines Gitter, oder Crossbar-Array, bestehend aus sechzigvier dieser Einheiten. Sie verbanden jede Speicherzelle mit einem Transistor, der als Schalter fungiert und es ihnen ermöglicht, die Zellen einzeln zu steuern und auszulesen. Sie testeten das Array, indem sie es mit einem Satz von Gewichten programmierten und eine mathematische Operation durchführten, die als Matrix-Vektor-Multiplikation bekannt ist – der grundlegende Baustein der neuronalen Netz-Inferenz. Die Ergebnisse waren beeindruckend: Das Hardware-System erreichte eine effektive Rechenpräzision von mehr als fünf Bits. Diese Genauigkeit ist eine erhebliche Verbesserung gegenüber aktuellen State-of-the-Art-Systemen, die typischerweise nur drei oder vier Bits an Präzision bewältigen. Der Erfolg dieses Experiments deutet darauf hin, dass die neue Architektur nicht nur ein theoretisches Konzept ist, sondern ein gangbarer Weg zum Bau dichter, leistungsschonender und hochpräziser Computing-Systeme, die eines Tages die nächste Generation der künstlichen Intelligenz antreiben könnten.

Die Forscher untersuchten auch Variationen dieses Designs, um die Leistung noch weiter voranzutreiben. Durch die Modifikation der unteren Elektrode, sodass diese direkt in den Stapel der Materialien eindringt und so eine Kantenkontakt-Konfiguration schafft, konnten sie den Programmierstrom auf etwa 50 Mikroampere senken. Diese Änderung erhöhte die lokale Leistungsdichte am Kontaktpunkt, was das Heizen noch effizienter machte. Während dieser Experimente verwendete das Team Standardmaterialien ohne Dotierung, die mit bestehenden Fertigungsprozessen kompatibel sind, was darauf hindeutet, dass diese Technologie in aktuelle Produktionslinien integriert werden kann, ohne dass völlig neue Fertigungsmethoden erforderlich sind. Obwohl sich die Studie auf einen spezifischen Proof-of-Concept konzentrierte, liefern die Ergebnisse eine klare Roadmap zur Überwindung der Trade-offs zwischen Dichte, Energie und Präzision, die die Entwicklung von In-Memory-Computing lange Zeit gehindert haben.